使用期限*
许可形式单机和网络版
原产地美国
介质下载
适用平台windows，mac
科学软件网提供大量正版科学软件，满足各学科的科研要求。科学软件网专注软件销售服务已达19年，全国大部分高校和企事业单位都是我们的客户。同时，我们还提供本地化服务，助力中国的科研事业。
Mplus建模框架
建模数据的目的是以简单的方式描述数据结构，便于理解和解释。本质上，数据建模相当于变量之间的一组关系。下图表示了在Mplus建模中的关系类型。矩形表示观测变量，观测变量可以是结果变量或背景变量。背景变量为X，连续和截尾结果变量为y，二元、有序范畴（序数），无序分类（名词）和计数结果变量为u。圆圈代表潜变量。允许连续变量和类别变量，连续潜变量为f，分类潜变量为c。
The Mplus Base Program and Multilevel Add-On contains all of the features of the Mplus Base Program. In addition, it estimates models for clustered data using multilevel models. These models include multilevel regression analysis, multilevel path analysis, multilevel factor analysis, multilevel structural equation modeling, multilevel growth modeling, and multilevel discrete- and continuous-time survival models. In multilevel analysis, observed dependent variables can be continuous, censored, binary, ordered categorical (ordinal), unordered categorical (nominal), counts, or a combination of these variable types. Other special features include single or multiple group analysis; missing data estimation; complex survey data analysis including stratification, clustering, and unequal probabilities of selection (sampling weights); latent variable interactions and non-linear factor analysis using maximum likelihood; random slopes; individually-varying times of observation; non-linear parameter constraints; maximum likelihood estimation for all outcomes types; Bayesian analysis and multiple imputation; Monte Carlo simulation facilities; and a post-processing graphics module.
Mplus模型包括连续的潜变量、分类潜变量、连续变量和类别潜变量的组合。上图中，圆柱A描述只有潜在连续变量的模型。圆柱B描述只有特定潜变量的模型。完整的建模框架描述了连续变量和类别变量相结合的模型。上图表明，Mplus估计的描述个体水平的多层次模型（内部）和集群水平（之间）的变量。
Mplus统计建模软件
Mplus是一款统计建模程序，给研究人员提供了一个灵活的分析数据的工具。Mplus界面简单、数据和分析结果以图形显示，为研究人员提供广泛的模型、估计和算法的选择。Mplus允许进行横截面和纵向、单级和多级数据分析；来自不同人群的观测数据或未观测到的异质性数据，以及包含缺失值的数据都可以进行分析。可以对连续、删失、二进制、有序分类（序数）、无序类别（计数）、计数或这些变量类型的组合观测变量都可以进行分析。此外，Mplus还具有广泛的蒙特卡罗模拟功能，程序中包含的任何模型，都可以生成和分析数据。
Mplus的建模框架借鉴了潜变量的统一主题。而且一般的建模框架来自连续和分类潜变量的使用。连续潜变量用于表示与未观测到的构造相对应的因素，随机效应与发展中的个体差异相对应，随机效应与分层数据中各组间系数变化相对应，弱点对应于生存时间的异质性，责任与疾病遗传易感性相对应，潜在响应变量值与缺失数据相对应。分类潜变量对应于均质个体群，潜在的轨迹分类对应于未观测种群的发展类型，混合组件对应于未观测种群的有限混合，潜在响应变量类别对应于缺失数据。
专注，专心是科学软件网的服务宗旨，开发的软件、传递*的技术、提供贴心的服务是我们用实际行动践行的**目标，我们会为此目标而不懈努力。
http://turntech8843.b2b168.com
